用于三维点云对抗表示学习的隐空间拉普拉斯金字塔
计算机视觉与模式识别
2021-02-08 v1 图像与视频处理
摘要
构建高质量的三维形状生成模型是计算机视觉中的一项基本任务，在几何处理、工程与设计领域有广泛应用。尽管深度生成建模近期取得进展，现有方法尚未能从头合成高度精细的三维表面（如高分辨率点云）。本文中，我们提出在三维点云的分层生成模型中采用隐空间拉普拉斯金字塔表示。我们结合近期提出的隐空间GAN与拉普拉斯GAN架构，形成能够生成逐级细化三维点云的多尺度模型。我们的评估表明，该模型优于现有的三维点云生成模型。
引用
@article{arxiv.1912.06466,
title = {Latent-Space Laplacian Pyramids for Adversarial Representation Learning with 3D Point Clouds},
author = {Vage Egiazarian and Savva Ignatyev and Alexey Artemov and Oleg Voynov and Andrey Kravchenko and Youyi Zheng and Luiz Velho and Evgeny Burnaev},
journal= {arXiv preprint arXiv:1912.06466},
year = {2021}
}